[1] YOLO训练和检测均是在一个单独网络中进行。YOLO没有显示地求取region proposal(下采样)(翻译为区域提案)的过程。而rcnn/fast rcnn 采用分离的模块(独立于网络之外的selective search方法)求取候选框(可能会包含物体的矩形区域),训练过程因此也是分成多个模块进行。Faster rcnn使用RPN(region proposal network)卷...
二、YOLO与rcnn、fast rcnn及faster rcnn的区别如下: [1] YOLO训练和检测均是在一个单独网络中进行。YOLO没有显示地求取region proposal的过程。而rcnn/fast rcnn 采用分离的模块(独立于网络之外的selective search方法)求取候选框(可能会包含物体的矩形区域),训练过程因此也是分成多个模块进行。Faster rcnn使用R...
与RCNN在第二步有所不同,RCNN是把候选框送入CNN,而fast-RCNN是把整张图片送进去。 1.概念:训练数据的采样(正负样本) 1.正样本就是感兴趣的部分,负样本就是没有我们需要的样本(可以理解为背景) 2.训练的时候不是用ss算法中的全部候选框,只是使用了一部分:只要候选框和我们的真实的目标边界框的iou大于0.5...
总的来说,yolo的bounding box和faster的anchor本质不同。 2. 在yolov1中一个object只能由一个grid cell负责(具体去看看我的博客中第4章节细节讨论);Faster直接在特征图的每一个特征点上优先设置多个anchor,之后在RPN中初步计算这些anchor对于Groud Truth的偏移,再然后使用NMS算法筛选anchor,并没有object和grid cell...